AI导哈

知识库检索服务器

一个通过Amazon Bedrock Knowledge Base进行信息检索的MCP服务器，支持多种AI助手工具。

  • by kawanishi0117
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 kawanishi0117/kk-bedrock-agent-hub-mcp

使用说明

kk基岩剂hub mcp

Amazon Bedrock Knowledge Base 查询MCP (Model Context Protocol) 服务器。

概要

kk基岩剂hub mcp 单击功能区上AI 助手（Claude Desktop、Cursor、Kiro）Amazon Bedrock Knowledge Base 取得情报 kb_answer 提供工具。

注意: 这个服务器 Retrieve API 而需要与环境混合的每条反射光线，进行环境采样。不进行回答生成（RetrieveAndGenerate），而是进行基础模型ARN 缺少支持的问题。

机能

  • Bedrock Retrieve API 使用Knowledge Base 搜索
  • 基于环境变量的配置管理
  • 提取和返回搜索结果（内容、位置和分数）
  • 输入验证

环境变数

｜变量名｜必需｜默认｜说明｜ |--------|------|------------|------| | AWS_REGION 不，不 ap-northeast-1 | AWS 李约翰 | BEDROCK_KB_ID 是，是Knowledge Base ID | | AWS_PROFILE 不，不AWS 验证配置文件｜

环境变量设置示例

# Linux/macOS
export AWS_REGION="ap-northeast-1"
export BEDROCK_KB_ID="your-knowledge-base-id"

# Windows (PowerShell)
$env:AWS_REGION = "ap-northeast-1"
$env:BEDROCK_KB_ID = "your-knowledge-base-id"

安装

方法1: Git Clone（推奨）

# リポジトリをクローン
git clone https://github.com/kawanishi0117/mcp-bedrock-kb.git
cd mcp-bedrock-kb

# 依存関係をインストール
pip install -e .

方法2：pip 直接安装

pip install git+https://github.com/kawanishi0117/mcp-bedrock-kb.git

使用方法

直接実行

python kb_mcp_server.py

从命令行运行（pip安装后）

bedrock-kb-mcp

MCP 客户端设置

请指定克隆目录的绝对路径。

克劳德桌面版

claude_desktop_config.json 添加：

{
  "mcpServers": {
    "kk-bedrock-agent-hub-mcp": {
      "command": "python",
      "args": ["/path/to/mcp-bedrock-kb/kb_mcp_server.py"],
      "env": {
        "BEDROCK_KB_ID": "your-kb-id"
      }
    }
  }
}

光标

.cursor/mcp.json 添加：

{
  "mcpServers": {
    "kk-bedrock-agent-hub-mcp": {
      "command": "python",
      "args": ["/path/to/mcp-bedrock-kb/kb_mcp_server.py"],
      "env": {
        "BEDROCK_KB_ID": "your-kb-id"
      }
    }
  }
}

基罗

~/.kiro/settings/mcp.json（全局）或 .kiro/settings/mcp.json（工作区）：

{
  "mcpServers": {
    "kk-bedrock-agent-hub-mcp": {
      "command": "python",
      "args": ["/path/to/mcp-bedrock-kb/kb_mcp_server.py"],
      "env": {
        "BEDROCK_KB_ID": "your-kb-id"
      }
    }
  }
}

Windows 在…的情况下

路径是斜线 / 或双反斜线 \\ 使用：

{
  "mcpServers": {
    "kk-bedrock-agent-hub-mcp": {
      "command": "python",
      "args": ["C:/Users/username/mcp-bedrock-kb/kb_mcp_server.py"],
      "env": {
        "BEDROCK_KB_ID": "your-kb-id"
      }
    }
  }
}

AWS_PROFILE 中所述修改相应参数的值

AWS 指定验证配置文件 AWS_PROFILE 添加环境变量：

{
  "mcpServers": {
    "kk-bedrock-agent-hub-mcp": {
      "command": "python",
      "args": ["/path/to/mcp-bedrock-kb/kb_mcp_server.py"],
      "env": {
        "BEDROCK_KB_ID": "your-kb-id",
        "AWS_PROFILE": "your-profile-name"
      }
    }
  }
}

kb_answer 工具

参数

｜参数｜类型｜必需｜默认｜说明｜ |-----------|-----|------|------------|------| | query | string | 是的，是Knowledge Base 发送到的查询字符串 | max_results | integer | 否｜4｜要获取的最大源信息块数（1-10）｜

使用例

kb_answer("製品の返品ポリシーについて教えてください")
kb_answer("技術仕様を詳しく説明してください", max_results=8)

响应格式

搜索结果以以下格式返回：

{
  "content": "ドキュメントチャンクのテキスト内容",
  "location": {"s3Location": {...}, "type": "S3"},
  "score": 0.85
}

开発

测试运行

pytest

项目结构

bedrock-kb-mcp-server/
├── src/                    # メインソースコード
│   ├── __init__.py
│   ├── bedrock_client.py   # Bedrock API クライアント
│   ├── config.py           # 環境変数からの設定読み込み
│   ├── models.py           # データクラス
│   ├── parser.py           # API レスポンスパーサー
│   ├── server.py           # MCP サーバー実装
│   └── validation.py       # 入力バリデーション
├── tests/                  # テストコード
├── kb_mcp_server.py        # メインエントリーポイント
├── pyproject.toml          # プロジェクト設定
└── README.md

许可证

麻省理工学院

相关 MCP